‘Organisaties pakken data niet op een uniforme manier aan’

Het belang van goed datamanagement

Organisaties die hun data goed managen, halen niet alleen een hogere omzet, maar verslaan daarmee ook hun concurrenten. Toch wordt datamanagement en het beheer ervan onderschat. Wat het belang is van goed datamanagement en hoe je een goede basis creëert voor kwalitatief goede data bespreken PwC-experts Alexander Staal en Mark Brouwer.

Zinvolle informatie uit data

Alexander Staal, finance transformation-leader bij PwC: ‘De wereld wordt volatieler. De dynamiek waarin bedrijven opereren, wordt ingewikkelder, dingen gaan sneller. Dat betekent voor de sturing van de organisatie dat je snel moet anticiperen op ontwikkelingen in de wereld. Ook stakeholders verwachten steeds meer informatie, over ESG bijvoorbeeld. De enige manier om dat te doen, is zinvolle informatie uit data creëren.’

Volgens Mark Brouwer, datamanagementexpert bij PwC biedt kwalitatief goede veel voordelen op voor een organisatie: ‘Het leidt tot efficiency, je kunt sneller rapporteren als Finance functie en je bent als organisatie compliant wanneer je de juiste data aanlevert. Daarnaast heb je met de juiste data de flexibiliteit om sneller bij te sturen en keuzes te maken.’

Maar in de praktijk ziet PwC dat bedrijven niet echt bezig zijn met datamanagement. Staal: ‘Organisaties denken over het algemeen wel na over dit onderwerp. Er komt steeds meer bewustzijn over het belang van goede data. Maar wat wij in steeds meer organisaties zien, is dat het datalandschap niet uniform is. Dat heeft deels te maken met het feit dat systemen en processen niet heel sexy zijn. Ook vergt het verkrijgen van kwalitatieve data ongelofelijk veel werk; de trajecten daarvoor zijn heel lang.’

Verantwoordelijkheid en eigenaarschap

De hoofdoorzaak voor het ontbreken van een uniforme aanpak met data, is volgens Staal dat veel organisaties geen eenduidige eigenaar van de data hebben. ‘Het is ieders probleem, maar tegelijkertijd ook niemands probleem. Dat maakt het moeilijk op te lossen.’

Brouwer: ’De sleutel ligt bij het beleggen van de verantwoordelijkheid voor datamanagement. We zien dat organisaties wel werken aan datamanagement, maar het gebeurt op verschillende plekken in de organisaties. De verantwoordelijkheid zou je daarom bij de raad van bestuur of de directie moeten beleggen. Als het bestuur data niet belangrijk vindt, gaat de data-eigenaar - de CIO of de CFO - het ook niet belangrijk vinden.’

Heldere structuur voor goed datamanagement

De basis voor goed datamanagement begint bij een heldere structuur:

Beleg het eigenaarschap op het hoogste niveau, oftewel: ‘executive sponsorship’
Weet wat de focus is: zijn de data nodig om nieuwe markten aan te boren of is de datakwaliteit nodig om te voldoen aan rapportageverplichtingen?
Kies bij aanvang van het traject het businessdomein waarbij de inspanningen direct leiden tot meetbare resultaten

Verschillende definities = inconsistente data

Hoe groter een organisatie, des te meer data hij moet verwerken tot bruikbare informatie. Volgens Staal is het de vraag of een organisatie die enorme hoeveelheid aan data goed kan verwerken. ‘Die enorme hoeveelheid aan data is voor de CFO of CIO een enorme uitdaging. Vaak zijn de data incompleet en inconsistent. Ze worden verzameld vanuit verschillende bronnen die niet gebaseerd zijn op dezelfde definities. Zie daar maar eens zinnige informatie uit te halen.’

Volgens Brouwer heeft de finance functie de handen vol aan het rechtbreien van informatie uit verschillende bronnen. ‘De finance functie is traditioneel gericht op het verwerken van financiële data. Nu zie je dat zij in toenemende mate ook informatie uit andere gebieden verwerkt. Operationele data bijvoorbeeld. Wanneer je die in rapportages gaat betrekken, zul je onder precies dezelfde definities als voor de financiële data moeten rapporteren. Dat is een uitdaging.’

Als voorbeeld noemt Brouwer een bedrijf dat geholpen is met zijn internationale productieketen. ‘We hebben ervoor gezorgd dat alle onderdelen van de producten in alle landen dezelfde definities hebben. Om te voorkomen dat je vijf keer hetzelfde product inkoopt en je geen schaalvoordelen kunt halen.’

Een ander voorbeeld waarin definities sterk uiteen kunnen lopen, is volgens Staal de bedrijfsomzet. ‘Je ziet met enige regelmaat dat de definitie voor omzet verschilt per afdeling. Is omzet dan bruto of netto? Is het omzet minus de volumekortingen of is het omzet waar de directe marketingkosten al af zijn? Het is maar net wat je als organisatie beschouwt als definitie van omzet. En zelfs als je al dezelfde definities hanteert, moet je ook kijken of het fundament dezelfde opbouw heeft.’

Volgens Brouwer ligt de oplossing voor het gelijktrekken van definities in het spel tussen de data-eigenaar en de datagebruiker. ‘De datagebruiker moet eigenlijk definities stellen waaraan de data-eigenaar moet voldoen. Als je dit goed op de wagen krijgt, heb je een proces waar de definities goed op elkaar zijn afgestemd en waar kwaliteit wordt geleverd. De gebruiker weet wat hij krijgt en de eigenaar van de data weet wat hij moet aanleveren.‘

‘Data governance’ om veelheid aan data op orde te houden

Staal beaamt dat ‘data governance’ belangrijk is. ‘Want data kunnen bij aanvang consistent zijn, maar dan verslapt het weer na een paar jaar. Met het volgen van een vast proces, met de juiste goedkeuringsstappen, met besluitvorming en een duidelijke rolverdeling, kun je de consistentie en de compleetheid van de data in elk geval in bedwang houden’, zegt Staal.

‘Doordat data steeds meer opgeslagen worden, is het ook een soort race die je moet winnen. Hoe meer data je opslaat, des te meer inspanningen het vergt voor het beheer ervan. Dat doe je met processen, procedures en automatisering. Je moet bewust nadenken hoe je het IT-landschap inricht zodat de data goed georganiseerd kunnen worden. Alleen meer data opslaan zonder erbij na te denken wat die hoeveelheid data doet voor de IT-organisatie en de processen leidt ertoe dat je om de drie jaar weer opnieuw kunt beginnen’, vult Brouwers aan.

Datamanagementkwaliteit is kwestie van lange adem

Het faciliteren van de datamanagementkwaliteit kost tijd. Volgens Staal kan het voor grote organisaties met een omzet van een miljard of meer zo een jaar duren voordat alle systemen en processen geharmoniseerd zijn. ‘Voor organisaties die buiten de landsgrenzen opereren, is het nog complexer. Wet- en regelgeving is anders, IT-systemen werken verschillend. Bij een internationale overname kun je bijvoorbeeld te maken krijgen met allemaal losse IT-systemen. Anderzijds heb je in Nederland ook bedrijven die door acquisities zijn gegroeid en heel veel lokale partijen hebben overgenomen. De problemen ontstaan hier omdat die partijen niet zijn geharmoniseerd en ook de definities voor de processen niet gelijk zijn getrokken.’

Goede businesscase neemt koudwatervrees datamanagement weg

Volgens Staal aarzelen bedrijven met het aanpakken van datamanagement door een gebrek aan inzicht. ‘Ze weten van tevoren niet wat je ermee kunt winnen. Maar rondom data kun je een goede businesscase bouwen. Uiteindelijk zit je als organisatie toch vaak in situaties waar inconsistente data aanwezig is. Met heel veel mensen die bezig zijn om in die hoeveelheid data de verklaring te zoeken waarom er zo veel verschillen zijn. Je kunt het kwantificeren door te kijken wat de kosten zijn om het probleem op te lossen. En vervolgens wat je bespaart in uren die je nu besteedt om de data kwalitatief beter te maken. Door een activiteitenanalyse te maken kun je zien hoeveel uren medewerkers besteden aan activiteiten die geen waarde toevoegen.’

Beluister de podcast

Dit verhaal maakt deel uit van de podcastserie ‘The Future of Finance’, waarin experts van PwC hun visie geven op actuele onderwerpen zoals digitale transformatie en datamanagement. De integrale versie van dit interview kun je hier terughoren.